Dữ liệu phi cấu trúc không có định dạng được xác định trước. Tài liệu văn bản, email, video, bản ghi âm, hình ảnh và bài đăng trên mạng xã hội đều thuộc loại này. Dữ liệu không thể được sắp xếp thành hàng và cột. Nó không tuân theo một lược đồ nào. Đây là phần lớn dữ liệu mà các tổ chức tạo ra. Ước tính cho thấy dữ liệu phi cấu trúc chiếm từ 80% đến 90% tổng số dữ liệu của doanh nghiệp. Phần lớn trong số đó không được sử dụng vì các công cụ truyền thống không thể xử lý dễ dàng.

Thách thức nằm ở khâu trích xuất. Để phân tích dữ liệu phi cấu trúc, trước tiên bạn phải tạo cấu trúc cho nó. Xử lý ngôn ngữ tự nhiên (NLP) trích xuất các thực thể, cảm xúc và chủ đề từ văn bản. Thị giác máy tính (CVR) xác định các đối tượng và cảnh trong hình ảnh. Nhận dạng giọng nói phiên âm âm thanh. Mỗi kỹ thuật đều chuyển đổi dữ liệu phi cấu trúc thành một dạng biểu diễn có cấu trúc để phân tích. Quá trình chuyển đổi đó không hoàn hảo. Các mô hình NLP bỏ sót sắc thái và sự châm biếm. Các mô hình thị giác nhầm lẫn các đối tượng tương tự. Lỗi phiên âm tích lũy dần. Kết quả đầu ra có cấu trúc chỉ là một sự xấp xỉ, chứ không phải là sự phản ánh hoàn hảo. Mặc dù khó khăn, dữ liệu phi cấu trúc vẫn chứa đựng giá trị to lớn. Email của khách hàng tiết lộ các khiếu nại và yêu cầu. Phiếu hỗ trợ cho thấy các mẫu trong các vấn đề về sản phẩm. Bản ghi âm cuộc gọi ghi lại giọng điệu và cảm xúc mà văn bản không thể hiện được. Các tổ chức có thể khai thác dữ liệu phi cấu trúc sẽ thu được những hiểu biết mà các đối thủ cạnh tranh bỏ lỡ. Các công cụ đang được cải thiện. Thách thức vẫn còn đó.

Các kiểu dữ liệu không cấu trúc

• Văn bản — tài liệu, email, bài đăng trên mạng xã hội
• Hình ảnh — ảnh chụp, sơ đồ, bản quét
• Âm thanh — bản ghi âm, cuộc gọi, âm nhạc
• Video — cảnh quay, phát trực tiếp, bài thuyết trình
• Tệp nhị phân — các tệp không có định dạng văn bản xác định.

Dữ liệu phi cấu trúc là nguyên liệu thô của phân tích hiện đại. Để trích xuất giá trị, cần phải tạo cấu trúc cho những nơi vốn không có cấu trúc.